用于虹膜特征提取的Gabor滤波器参数选取方法的研究

分析了Gabor滤波器各参数在纹理特征提取中的作用,建立起一套完整的适用于虹膜纹理特征提取的滤波器分析与参数选择方法.该方法通过纹理宽度确定Gabor滤波器的频率调制因子,冉根据其它参数与频率调制因子的关系确定各参数取值.实验结果证明依据本文方法设计的滤波器组提取虹膜纹理特征效果好,可以达到比较高的识别率.     

基于Gabor小波变换的人脸表情识别

在人脸表情识别中,针对Gabor小波变换特征维数很大的问题,提出了一种新的多方向特征编码方法。通过对Gabor特征幅值进行统计处理,将每个像素点同一尺度不同方向的Gabor特征幅值闽值化成二进制,加强了Gabor小波对图像局部结构信息的表征。同时,结合了类似旋转不变LBP的方法对图像进行降维。为了进一步提高表情的正确识别率,采用一种局部区域融合的方法,最后在JAFFE表情库上进行测试,得到比较好的识别率,验证了所提方法的有效性。     

基于Gabor小波的人脸表情特征提取研究

为了使计算机能更好的识别人脸表情,对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理,包括对确定的人脸表情区域进行尺寸和灰度归一化,然后利用二维Gabor小波变换提取脸部表情特征,使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中,利用Fisher准则提取那些有利于分类的特征,最后用SVM分类器进行分类。实验结果表明,上述提出的方法比传统的方法识别速度更快,能达到实时性的要求,并且具有很好的鲁棒性,识别率高。     

结合Gabor特征与Adaboost的人脸表情识别

通过提取人脸图像的Gabor特征，结合Adaboost，进行人脸表情识别（FER）。针对Gabor特征维数高、冗余大的特点，引入Adaboost算法进行特征选择降低特征向量的维数。然后再以支持向量机（SVM）和最近邻分类法相结合组成分类器进行分类。该方法综合运用了Gabor特征对于人脸表情的良好表征能力、Adaboost算法的强大特征选择能力以及SVM在处理少样本、高维数问题中的优势。在JAFFE库上进行测试的结果验证了该法的有效性。从Adaboost所选择的特征集可知，在眼和嘴区域提取的特征，对于FER是最为重要的。     

基于Gabor滤波器组的多特征尺度不变特征提取方法

提出了一种多特征尺度不变特征提取方法,简称GIFT(Gabor scale-Invariant Feature Transform).该方法首先利用2D Gabor滤波器组模拟生物视觉感知计算模型进行特征点检测,符合生物视觉感知特性,得到具物理直观性、稳健的特征点.其次采用基于Gabor核函数的特征尺度选择方法对所检测的特征点选择多个特征尺度,得到高可区分性的多特征描述子.最后,通过设计面向多特征尺度的特征匹配策略,提高特征匹配的可靠性.基于标准数据集的对比实验结果表明,GIFT方法在特征匹配率和稳健性上均优于SIFT.     

基于Gabor环滤波的纹理分割方法

针对纹理分割问题,提出了一种在频率域呈环形分布的Gabor滤波器组(Gabor环)的设计方法,在能量意义下给出了自适应选择滤波环带的步骤,并给出了经Gabor滤波后纹理特征的计算公式。根据给定Gabor滤波器环具有的多方向特性对不同纹理图像进行滤波,然后计算滤波后各点特征,并利用这些多方向特征进行纹理分割。实验表明该方法能取得较好的分割效果,并具有很强的通用性。     

基于Gabor的判别保局投影算法在表情识别中的应用

本文提出一种基于Gabor的判别保局投影（GDLPP）算法,来进行表情特征的提取和降维。先利用Gabor小波变换来提取表情特征。再对局部保持投影（LPP）算法进行改进,在目标函数中引入散度差来增加样本的类间散度约束,使得在降维的同时提取出更具判别性的特征。     

基于Gabor小波变换和两次DCT的人脸表情识别

提出了一种基于Gabor小波变换和两次离散余弦变换(DCT)相结合的人脸表情特征提取方法,在保留有效的纹理信息基础上降低了表情特征的维数.首先对人脸表情图像进行第一次DCT压缩图像,然后对处理过的图像执行Gabor变换,提取表情特征,进而对得到的不同尺度和方向的特征图像进行第二次DCT,得到包含大量表情信息的低维特征向量,最后用BP神经网络对特征向量分类.实验结果显示该方法识别率较高.     

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader, SAR)图像目标识别算法。首先, 利用Gabor滤波器对SAR图像在不同方向上进行滤波, 增强SAR图像中目标及其阴影的关键特征;然后, 利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取, 该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷, 并且保持了LBP旋转不变的特性, 减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine, ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。      

基于Gabor小波变换的图像纹理特征提取

本文对Gabor小波极其滤波器进行了介绍,对利用Gabor小波变换提取图像特征的方法进行了阐述。     

基于Gabor的特征提取算法在人脸识别中的应用

针对人脸识别中的特征提取问题,提出一种新的基于Gabor的特征提取算法,利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维,再利用LDA实现再次降维,得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。     

基于Gabor变换的高鲁棒汉字识别新方法

本文提出了针对字符图像的基于Gabor变换的汉字识别新方法.在对Gabor变换深入分析的基础上,本文针对汉字图像的统计信息,提出了一种有效的Gabor滤波器组参数优化方法;同时,对Gabor滤波器组的输出进行非线性变换,使其适应不同亮度和低质量灰度字符图像的识别.本文还改进了分块特征的抽取算法,提高了对字符细节的分辨能力.实验表明,这种特征抽取方法大大加强了识别系统抵御图像噪声、干扰、亮度变化、笔画模糊、笔画断裂以及字符形变的能力,在应用于各种低质量的二值或者灰度的印刷和脱机手写字符图像识别时,能获得较其他算法更良好的识别性能.     

基于Gabor滤波与数学形态学的视网膜图像增强方法

提出一种双尺度多方向的Gabor滤波器与数学形态学结合的视网膜图像增强方法。首先使用双尺度Ga-bor滤波器提取各个方向的主要血管信息并弱化背景,然后使用数学形态学top-hat变换来增强图像微小的细节,最后结合两种方法实现增强的动态调节。实验表明,该方法能够很好地增强视网膜图像中的血管信息,并大范围地弱化了背景和噪声,对于改善视网膜图像的视觉效果有极大帮助。     

Multi-modality medical image fusion based on separable dictionary learning and Gabor filtering

Sparse representation (SR) has been widely used in image fusion in recent years. However, source image, segmented into vectors, reduces correlation and structural information of texture with conventional SR methods, and extracting texture with the sliding window technology is more likely to cause spatial inconsistency in flat regions of multi-modality medical fusion image. To solve these problems, a novel fusion method that combines separable dictionary optimization with Gabor filter in non-subsampled contourlet transform (NSCT) domain is proposed. Firstly, source images are decomposed into high frequency (HF) and low frequency (LF) components by NSCT. Then the HF components are reconstructed sparsely by separable dictionaries with iterative updating sparse coding and dictionary training. In the process, sparse coefficients and separable dictionaries are updated by orthogonal matching pursuit (OMP) and manifold-based conjugate gradient method, respectively. Meanwhile, the Gabor energy as weighting factor is utilized to guide the LF components fusion, and this further improves the fusion degree of low-significant feature in the flat regions. Finally, the fusion components are transformed to obtain fusion image by inverse NSCT. Experimental results demonstrate the more competitive results of the proposal, leading to the state-of-art performance on both visual quality and objective assessment.     

An image segmentation based method for iris feature extraction

In this article, the local anomalistic blocks such as crypts, furrows, and so on in the iris are initially used directly as iris features. A novel image segmentation method based on intersecting cortical model （ICM） neural network was introduced to segment these anomalistic blocks. First, the normalized iris image was put into ICM neural network after enhancement. Second, the iris features were segmented out perfectly and were output in binary image type by the ICM neural network. Finally, the fourth output pulse image produced by ICM neural network was chosen as the iris code for the convenience of real time processing. To estimate the performance of the presented method, an iris recognition platform was produced and the Hamming Distance between two iris codes was computed to measure the dissimilarity between them. The experimental results in CASIA v1.0 and Bath iris image databases show that the proposed iris feature extraction algorithm has promising potential in iris recognition.